La explicación clásica es que deben existir estructuras elaboradas y complejas porque confieren algún beneficio funcional al organismo, por lo que la selección natural impulsa estados de complejidad cada vez mayores.

Claramente, en algunos casos la complejidad es adaptativa, como la evolución del ojo (los ojos complejos ven mejor que los simples). Pero a nivel molecular, un nuevo estudio ha hallado que hay otros mecanismos simples que impulsan la acumulación de complejidad.

Complejidad

El nuevo estudio, realizado por investigadores de la Universidad de Chicago, sugiere que las estructuras de proteínas elaboradas se acumulan a lo largo del tiempo, incluso cuando no tienen ningún propósito, porque una propiedad bioquímica universal y el código genético obligan a la selección natural a conservarlas.

En Xataka Ciencia

Tres cosas de nuestro cuerpo que no están muy bien hechas

La mayoría de las proteínas de nuestras células forman complejos específicos con otras proteínas, un proceso llamado multimerización. Muchas proteínas, especialmente aquellas con pesos moleculares elevados, presentan estructura cuaternaria, esto significa que están formadas por varias cadenas polipeptídicas (desde dos a centenares de ellas). Cada una de estas cadenas se denomina subunidad, y la unión de varias subunidades es lo que hemos llamado multímero, o proteína multisubunidad.

Multímero. Esta proteína es un multímero formado por tres cadenas polipeptídicas (subunidades proteicas), por lo tanto se trata de un trímero.

Al igual que otros tipos de complejidad en biología, se suele pensar que los multímeros persisten durante el tiempo evolutivo porque confieren algún beneficio funcional favorecido por la selección natural.

Para probarlo, en el estudio se analizó la evolución de la multimerización en una familia de proteínas llamadas receptores de hormonas esteroides, que se ensamblan en pares (llamados dímeros). Para ello, utilizaron una técnica llamada reconstrucción de proteínas ancestrales, que les permitió recrear proteínas antiguas en el laboratorio y examinar experimentalmente cómo se vieron afectadas por mutaciones que ocurrieron hace cientos de millones de años.

En Xataka Ciencia

¿Por qué tenemos menos pelo que antes?

Para su sorpresa, descubrieron que las proteínas antiguas no funcionaban de manera diferente cuando se ensamblaban en un dímero que si nunca hubieran evolucionado para dimerizarse. No había nada útil o beneficioso en la formación del complejo. La explicación de por qué la forma dimérica del receptor ha persistido durante 450 millones de años resultó ser sorprendentemente simple, según explica Georg Hochberg, uno de los autores del estudio:

Estas proteínas gradualmente se volvieron adictas a su interacción, aunque no tienen nada de útil. Las partes de la proteína que forman la interfaz donde los socios se unen acumularon mutaciones que eran tolerables después de la evolución del dímero, pero que habrían sido perjudiciales en el estado solo. Esto hizo que la proteína dependiera totalmente de la forma dimérica, y ya no podía retroceder. La complejidad inútil se afianzó, esencialmente para siempre.

Los investigadores sugieren, pues, que los principios bioquímicos, genéticos y evolutivos simples hacen inevitable el atrincheramiento de los complejos moleculares. Este mecanismo, que opera sobre miles de proteínas durante cientos de millones de años, podría impulsar la acumulación gradual de muchos complejos inútiles dentro de las células.

Una investigación, realizada por el bioquímico Colin Sharpe y colegas en la Universidad de Portsmouth, y que se publica en PLoS One, ha identificado por primera vez los genes que determinan al complejidad de un animal, es decir, los genes que por ejemplo diferencian a los seres humanos de las moscas de la fruta.

En el estudio se analizaron grandes cantidades de datos de los genomas de nueve animales (de humanos y monos macacos a gusanos de nematodos y la mosca de la fruta) y calcularon la diversidad de cada uno a nivel genético. Según explica Colin Sharpe:

Una medida común de la complejidad es el número de diferentes tipos de células en un animal, pero poco se sabe acerca de cómo se logra la complejidad a nivel genético. El número total de genes en un genoma no es un conductor, este valor varía sólo ligeramente en organismos multicelulares, por lo que buscamos otros factores.

Lo que se halló en el estudio es que un pequeño número de proteínas eran mejores en la interacción con otras proteínas y con la cromatina, la forma envasada de ADN en el núcleo de la célula:

Estas proteínas parecen ser excelentes candidatos para lo que está detrás de los niveles enormemente variados de complejidad en los animales. Esperábamos identificar genes que interactuaran directamente con el ADN para regular otros genes, pero no fue así, sino que identificamos genes que interactuaban con la cromatina. Nuestros resultados sugieren que el aumento de la capacidad de ciertas proteínas para interactuar entre sí para regular la organización dinámica de la cromatina en el núcleo es un componente de la complejidad animal.

La complejidad exponencial que subyace en las diferentes tecnologías que nos rodean es tan elevada que resulta difícil de imaginar.

Por eso, una forma muy gráfica, aunque un tanto burda, de asumirla es tener en tener en cuenta el número de líneas de código informático necesarias para que funcione una tecnología o un fragmento de software concreto y compararlas con las de las tecnología de hace apenas unos años.

Por ejemplo, para guiar a los astronautas del Apollo 11 en 1969 durante 356.000 kilómetros desde la Tierra hasta la Luna, ida y vuelta, se necesitaron 145.000 líneas de código. A principios de la década de 1980, el software de vuelo principal de la lanzadera espacial necesitaba 400.000 líneas de código.

Pero estas cifras son irrisorias si las comparamos con las necesarias para que funcione Microsoft Office 2013, unos 45 millones de líneas de código informático. Si bien es difícil establecer comparaciones directas, estas cifras nos dan una pista del incremento exponencia de la complejidad de la tecnología, tal y como explica Marc Goodman en su libro Los delitos del futuro.

En él, Goodman señala que la web de la Seguridad Social del gobierno estadounidense, HealthCare.gov, necesita 500 millones de líneas de código, es decir, que es 35 veces mas complejo que el sistema de guía que nos llevó a la Luna.

La complejidad creciente del software informático tiene consecuencias directas en materia de seguridad internacional, sobre todo a medida que los objetos físicos de los cuales dependemos, como son automóviles, aviones, puentes, túneles y dispositivos médicos que se implantan, se transforman en código informático.

El problema del error

Tantas líneas de código no solo añade complejidad a todo cuanto nos rodea, sino que incrementa ostensiblemente la probabilidad de que se produzcan erorres en esas líneas de código, tal y como ha señalado un estudio de la Universidad Carnegie Mellon: el software comercial tiene de promedio entre 20 y 30 errores por cada 1.000 líneas de código.

De manera que cincuenta millones de líneas de código equivalen a entre un millón y un millón y medio de errores potenciales que aprovechar. Tal es la base de todos los ataques de software malicioso, que aprovechan estas vulnerabilidades para conseguir que el código efectúe algo imprevisto.

Algunos manuales de instrucciones para determinados aparatos son un galimatías, un enigma indescifrable. Y no hace falta que las instrucciones sea en alemán.

De hecho, un estudio llevado a cabo por la Universidad Técnica de Eindhoven en 2006 descubrió que los consumidores, al menos de EEUU, sólo están dispuestos a pelearse unos 20 minutos con un producto nuevo antes de darse por vencidos. Entonces admiten que es muy complicado para ellos o que está roto. Aunque al ser devuelto a la tienda, más de la mitad de las veces no estaba roto.

Otro estudio del mismo año del grupo J. D. Power señala que el 59 % de los usuarios de teléfonos móviles al menos tiene que contactar una vez con su proveedor de servicios en busca de ayuda en el primer año de tener el teléfono.

En la industria informática, el coste global de la asistencia al cliente supone 95 dólares más del coste de cada unidad vendida, según un estudio de 2003.

Hasta cierto punto, es inevitable que los aparatos tecnológicos cada vez sean más complejos (y sus manuales de instrucciones, más gruesos), tal y como apunta Donald A. Norman, profesor de diseño de la Universidad Nowrthwestern a propósito de los mandos a distancia para la televisión:

Sencillamente, ya no podemos volver a la simplicidad como antes. No podemos tener cientos de canales a nuestra disposición y esperar controlarlo todo con un simple botón. Yo tengo un único mando a distancia configurado de modo que maneja toda la electrónica que tengo, pero me costó mil dólares y tuve que pasar semanas programándolo.

Pero ¿hasta qué punto se puede evitar esta escalada de complejidad que pone los pelos de punta al consumidor? El problema es que todo podría ser más sencillo, pero ello resulta tanto o más complicado que el artefacto que tratan de vendernos.

La fabricación de un producto es una empresa de colaboración donde hay muchos pasos no necesariamente conectados entre sí. Diseñar, pues, un aparato para que resulte intuitivo y sencillo para el consumidor no es fácil:

Alguien imagina el producto, otra persona lo diseña, si bien es otra persona la que lo construye, y otra distinta quien lo prueba y lo comercializa. (…) Históricamente, el sistema ha funcionado bien, en parte porque la escala misma y la complejidad de algunas tareas requieren habilidades diferentes en cada fase del trabajo. (…) Todo esto cambió, sin embargo, cuando abandonamos la era industrial y llegamos a la era informática. Hasta entonces todo lo que habíamos construido y vendido existía en lo que los diseñadores concebían directamente como el mundo de los átomos (cosas materiales que podían fundirse, quemarse, templarse, cortarse, pulirse, tejerse o pintarse, transformándolas quizá de un estado a otro, pero sin modificar su esencia elemental). No obstante, los ordenadores viven en el mundo de los electrones, al menos en lo que concierne al software, que se basa en algo tan evanescente como las cargas eléctricas que parpadean en un microchip.

Lo que hace la industria informática es condensar dos o incluso tres tareas de diseño y de ingeniería en una, es decir, que los comportamientos que acaban trasladados al software de los aparatos no deja de ser un reflejo de la naturaleza de las personas que son aficionadas a los electrones y los bits. Y la persona que concibe el software es a veces la misma que decide cómo un usuario lo hará funcionar.

Esto puede racionalizar los organigramas y la fuerza de trabajo, pero puede desarrollar muy mal el producto final, haciendo que los programadores trabajen sobre la idea quizá comprensible pero no obstante errónea de que a todo el mundo le gusta todo esto como a ellos y de que todo el mundo navega de menú en menú y de comando en comando con la misma facilidad.

Vía | Simplejidad de Jeffrey Kluger

Los problemas NP-completo son los más complicados de la clase NP, en el sentido que si Q' es un problema de decisión en NP y Q es un problema NP-completo, entonces todas las instancias de Q' son polinomialmente reducibles a una instancia de Q. El problema de satisfacibilidad (SAT) fue el primer problema identificado como perteneciente a la clase de complejidad NP-completo por Stephen Cook en el año 1971.

Comenzamos con una lista de variables booleanas x₁, …, x_n. Un literal es una de las variables x_i (o la negación de una de las variables ¬x_i). Hay 2n literales posibles. Una cláusula es un conjunto de literales.

Las reglas del juego son las siguientes: Asignamos valores booleanos Verdadero (V) o Falso (F) a cada una de las variables. De este modo a cada uno de los literales se le asigna un valor booleano. Finalmente una cláusula tiene valor V si y sólo si al menos uno de los literales de la cláusula tiene un valor V, en otro caso tendrá un valor F.

Un conjunto de cláusulas es satisfactible si existe una asignación de valores booleanos a las variables que hagan que todas las cláusulas sean ciertas. Consideramos or entre cada unos de los literales en una cláusula y and entre las cláusulas.

El problema de satisfacibilidad (SAT). Dado un conjuntos de cláusulas. ¿Existe un conjunto de valores booleanos para una determinada expresión que la haga verdadera?

Ejemplo: Consideramos el conjunto de variables x₁, x₂, x₃. Podemos construir la siguiente lista de cláusulas.

{x₁, ¬x₂} {x₁, x₃} {x₂, ¬x₃} {¬x₁, x₃}

Si elegimos los valores (V,V,F) para las variables (x₁, x₂, ₃) respectivamente, entonces los valores de las cuatro cláusulas será (T,T,T,F), así que no podría ser una asignación válida para satisfacer el conjunto de cláusulas. Existen 8 posibles asignaciones (2ⁿ⁼³). Al final obtenemos como asignación satisfactoria a (T,T,T).

El ejemplo nos deja la sensación de que SAT debe ser un complicado problema computacional, porque hay 2ⁿ posibles conjuntos de valores que pueden resolver el problema. Está absolutamente claro, sin embargo, el problema pertenece a la clase de complejidad NP. Efectivamente, es un problema de decisión. Además podemos asignar fácilmente un certificado a todos los conjuntos de cláusulas para cual la respuesta a SAT es 'Sí, las cláusulas son satisfactibles'. El certificado contiene un conjunto de valores, uno por cada variable, que satisface todas las cláusulas. Una máquina de Turing que recibe un conjunto de cláusulas, apropiadamente codificadas, como entrada, acompañadas del certificado tendría que verificar solamente que si los valores son asignados a las variables como se muestra en el certificado entonces efectivamente cada cláusula contiene al menos un literal de valor V. Esa verificación se realiza en tiempo polinómico.

Referencias | SAT en Wikipedia Referencias | H.S.Wilf, Algorithms and Complexity, 1994